MP3를 텍스트로 변환 — AI 음성 전사

여러분이 듣는 압축 손실은 엔진이 읽는 손실이 아니에요

MP3는 귀가 놓치는 주파수를 버려요. 그리고 음성 인식은 같은 논리를 기꺼이 따라가죠. 전사가 의존하는 것 — 음소, 음절 경계, 문장의 피치 윤곽 — 은 평범한 MP3 압축을 온전히 통과해요. 보통 비트레이트로 내보낸 팟캐스트는 엔진에게 필요한 언어 내용을 사실상 전부 지니고 있으니, MP3에서 전사하는 건 전혀 타협이 아니에요. 음성은 음악보다 훨씬 좁은 주파수 대역을 쓰고, 평범한 비트레이트는 그 대역을 넉넉히 지켜요. 들리는 아티팩트는 심벌과 잔향 꼬리에 사는데, 누군가 15라고 말했는지 50이라고 말했는지에는 있지 않아요.

구조적으로는 파일이 먼저 깨끗한 WAV 오디오로 디코딩되고, 그 위에서 FunASR 전사 파이프라인이 돌아요. 중간 파일은 여러분 눈에 보이지 않아요. 이 파일은 여러분 MP3의 비트레이트나 샘플레이트가 무엇이든 음향 모델이 언제나 균일한 입력을 마주하도록 존재해요. 여러분에게 형식은 그저 포장지이고, 엔진에게 단어는 처음부터 화물이었어요.

세 개의 파일 — 음성이 지원할 때

TXT 파일이 핵심 결과물이에요. 일반 텍스트로 된 완전한 전사로, 인용하고, 편집하고, 보관할 준비가 돼 있어요. 성공한 모든 작업이 이걸 만들어 내고, 열 때 특별한 소프트웨어도 필요 없어요 — 모든 메모 앱과 편집기, 채팅창이 아무 고민 없이 받아들이는 형식이에요.

SRT와 대화 파일은 약속이 아니라 최선을 다한 부가물이에요. 두 파일은 엔진이 타이밍과 구간 나눔에 대해 추론할 수 있는 것에 기대는데, 드문 발화, 서로 말이 겹치는 장면, 긴 침묵은 재료를 너무 적게 남겨 둘 중 하나 혹은 둘 다 없을 수 있어요. TXT만 돌아온 작업은 성공이에요 — 이 페이지는 세 파일이 언제나 함께 온다고 연기하지 않아요. 나타났을 때는 SRT가 타임스탬프를 오디오와 맞춰 유지하고, 대화 파일은 발화를 읽기 좋은 덩어리로 묶어요.

자막이 작업 흐름에 중요하다면 탭을 닫기 전에 결과 페이지를 확인하세요. 만들어진 모든 결과물이 거기 나열되고, 없는 SRT는 작업이 아니라 여러분 오디오에 대해 말하는 것이에요.

어디에서 강하고 어디에서 약한가

엔진은 paraformer-zh 기반의 FunASR 파이프라인이고, 중국어에 최적화된 모델이에요. 중국어 음성이 가장 잘 전사되고, 중국어·영어 혼합 음성 — 테크 회의와 제품 리뷰가 실제로 들리는 방식이죠 — 은 진짜 강점이에요. 모델이 문장 한가운데서 실을 놓치지 않고 언어를 바꿔요. 중국어 발표에 영어 제품명과 API 언급, 숫자가 섞인 녹음은 정확히 이 모델이 튜닝된 사례예요.

순수 외국어 음성은 솔직한 약점이에요. 영어뿐인 녹음과 다른 언어는 제한된 품질을 내고, 시끄러운 방이나 무거운 억양은 더 끌어내려요. 자신 있게 틀린 전사본을 쥐여 주는 것보다 분명히 말하는 편이 나아요.

경계도 두 개예요. 30분이 넘는 오디오는 받지 않으니 긴 녹음은 업로드 전에 나눠 주세요. 그리고 결과의 화자 정보는 엔진이 내주는 것 그대로 — 없을 수도 있고, 화자 분리에 대한 강한 약속은 하지 않아요.

시간, 비용, 프라이버시

대부분의 변환은 몇 분 안에 끝나요. 작업 상한은 약 45분으로 가장 느린 허용 녹음까지 커버하고, 엔진이 돌아가는 동안 진행 상황이 보여요. MP3 디코딩은 시계에 거의 아무것도 더하지 않아요 — 전사가 시계를 지배해요. 30분 녹음이 가장 무거운 허용 사례이고 상한은 그에 맞춰 있어요.

도구는 무료이고 계정 불필요하며, 업로드한 MP3와 생성된 모든 파일은 24시간 이내 자동 삭제돼요. 업로드는 HTTPS로 이동하고, 처리는 변환 클러스터의 메모리에서 일어나며, 페이지를 지켜보는 제3자 광고 네트워크는 없어요. 이메일 주소는 어느 시점에도 요청하지 않아요.